デジタルツインAI：大規模言語モデルから世界モデルへの機会と課題

Digital Twin AI: Opportunities and Challenges from Large Language Models to World Models

January 4, 2026

著者: Rong Zhou, Dongping Chen, Zihan Jia, Yao Su, Yixin Liu, Yiwen Lu, Dongwei Shi, Yue Huang, Tianyang Xu, Yi Pan, Xinliang Li, Yohannes Abate, Qingyu Chen, Zhengzhong Tu, Yu Yang, Yu Zhang, Qingsong Wen, Gengchen Mai, Sunyang Fu, Jiachen Li, Xuyu Wang, Ziran Wang, Jing Huang, Tianming Liu, Yong Chen, Lichao Sun, Lifang He

cs.AI

要旨

デジタルツインは、物理システムの精密なデジタル表現として、人工知能技術の統合により、受動的なシミュレーションツールから知的で自律的な存在へと進化を遂げている。本論文は、モデリング、ミラーリング、介入、自律的管理というデジタルツインのライフサイクル全体におけるAI統合を体系的に特徴づける、統一的な4段階フレームワークを提示する。既存の技術と実践を統合し、AI手法がデジタルツインライフサイクルにどのように組み込まれるかを体系的に特徴づける統一的な4段階フレームワークを抽出する：(1) 物理モデルに基づくAIアプローチおよび物理情報を組み込んだAIアプローチによる物理的双子のモデリング、(2) リアルタイム同期による物理システムのデジタルツインへのミラーリング、(3) 予測モデリング、異常検知、最適化戦略による物理的双子への介入、(4) 大規模言語モデル、基盤モデル、知的エージェントを通じた自律的管理の実現。物理ベースのモデリングとデータ駆動学習の相乗効果を分析し、従来の数値ソルバーから、物理情報を組み込んだモデルや物理システム向けの基盤モデルへの移行を明らかにする。さらに、大規模言語モデルや生成的世界モデルを含む生成AI技術が、推論、コミュニケーション、創造的なシナリオ生成が可能な、積極的かつ自己改善型の認知システムへとデジタルツインを変革する方法を検討する。医療、航空宇宙、スマート製造、ロボティクス、スマートシティなど11の応用分野にわたる分野横断的なレビューを通じて、スケーラビリティ、説明可能性、信頼性に関わる共通の課題を特定し、責任あるAI駆動デジタルツインシステムの方向性を概説する。

English

Digital twins, as precise digital representations of physical systems, have evolved from passive simulation tools into intelligent and autonomous entities through the integration of artificial intelligence technologies. This paper presents a unified four-stage framework that systematically characterizes AI integration across the digital twin lifecycle, spanning modeling, mirroring, intervention, and autonomous management. By synthesizing existing technologies and practices, we distill a unified four-stage framework that systematically characterizes how AI methodologies are embedded across the digital twin lifecycle: (1) modeling the physical twin through physics-based and physics-informed AI approaches, (2) mirroring the physical system into a digital twin with real-time synchronization, (3) intervening in the physical twin through predictive modeling, anomaly detection, and optimization strategies, and (4) achieving autonomous management through large language models, foundation models, and intelligent agents. We analyze the synergy between physics-based modeling and data-driven learning, highlighting the shift from traditional numerical solvers to physics-informed and foundation models for physical systems. Furthermore, we examine how generative AI technologies, including large language models and generative world models, transform digital twins into proactive and self-improving cognitive systems capable of reasoning, communication, and creative scenario generation. Through a cross-domain review spanning eleven application domains, including healthcare, aerospace, smart manufacturing, robotics, and smart cities, we identify common challenges related to scalability, explainability, and trustworthiness, and outline directions for responsible AI-driven digital twin systems.